Japoński producent sprzętu elektronicznego – spółka SONY – wprowadza na rynek nową technologię, o dumnie brzmiącej nazwie – Visual Speech Enablement. W założeniu twórców, system odczytywać ma słowa z ruchu warg użytkowników, bez względu na panujący hałas oraz odległość od urządzenia. W tym celu wykorzystuje on kamery oraz sztuczną inteligencję (artificial intelligence). W praktyce, nowoczesna technologia SONY umożliwiać ma weryfikację słów wypowiedzianych przez użytkowników, bez używania w tym celu mikrofonu. Visual Speech Enablement może budzić podziw z punktu widzenia osiągnięć inżynierów giganta. Pytanie tylko, czy jej zastosowanie będzie w pełni zgodne z przepisami o ochronie danych osobowych.
Nowoczesne zastosowanie sztucznej inteligencji
Przedstawiciele japońskiej spółki poinformowali, że Visual Speech Enablement jest przykładem nowatorskiego zastosowania inteligentnego czujnika obrazu firmy SONY (więcej informacji na ten temat można znaleźć TUTAJ), który wykorzystuje system sztucznej inteligencji, aby odizolować obraz ust użytkownika, a następnie zidentyfikować poszczególne – wypowiadane przez niego – słowa. Technologia w ogóle nie wykorzystuje mikrofonu. Jej funkcjonowania nie zakłócają więc jakiekolwiek hałasy w tle. Nie stanowi również dla niej problemu większa odległość pomiędzy ustami użytkownika a jego urządzeniem, dzięki zastosowaniu przez inżynierów SONY czujnika o wysokiej rozdzielczości.
Początkowo ograniczone zastosowanie
SONY zapowiedziało, że nowoczesny produkt początkowo wejdzie na rynek jedynie w celu wykorzystania go w automatyzacji fabryk oraz w kioskach i bankomatach korzystających z funkcji głosowych. W założeniu spółki, Visual Speech Enablement jest co prawda optymalizowany do zastosowania na komputerach, niemniej spółka zapowiedziała już, że w przyszłości użytkownicy mogą spodziewać się rozszerzenia zastosowania tej technologii na urządzenia mobilne. Przedstawiciele japońskiego giganta poinformowali także, że nowatorskie oprogramowanie nie zostało jeszcze dopracowane pod kątem usprawnienia generowania napisów, zmniejszenia zapotrzebowania operatora przekaźnika oraz pośrednika automatycznego rozpoznawania mowy, który aktualnie wymaga stałego dostępu do danych i minimalnego szumu w tle. SONY zapowiada jednak, że nie wyklucza wprowadzenia takich ulepszeń w przyszłości.
Z punktu widzenia zastosowania nowatorskiej technologii, Visual Speech Enablement może budzić podziw. Biorąc jednak pod uwagę przewidywany sposób zastosowania tego produktu, mogą pojawić się spore obawy o nadmierne lub niewłaściwe wykorzystanie danych pozyskanych przez ten system, jak również potencjalne naruszenia prywatności jego użytkowników. Co prawda, przedstawiciele japońskiego giganta zapewniają, że technologia ta przechwytuje jedynie obraz samych ust użytkownika, a nie jego całej twarzy. To – w ocenie spółki – uniemożliwiać ma identyfikacje poszczególnych osób. Przy zastosowaniu w tak zaawansowanej technologii rodzą się jednak w praktyce kolejne trudne dla SONY pytania. Przykładowo, co wydarzy się w przypadku, gdy Visual Speech Enablement będzie wykorzystywany w połączeniu z innymi technologiami, z których wiele korzysta z kamer i może potencjalnie obejmować czujniki SONY, z ulepszoną sztuczną inteligencją. W przypadku łącznego zastosowania nowatorskiej technologii spółki wraz z np. kamerą do rozpoznawania twarzy, dane osobowe użytkowników mogłyby zostać zagregowane, co w praktyce prowadziłoby do ominięcia ochrony prywatności gwarantowanej przez spółkę SONY. Potencjalnych zagrożeń dla użytkowników jest wiele.
Źródło:
